BriefGPT - AI 论文速递 · 2025-05-21T00:00:00Z 具有原始-对偶演员评论算法的平均奖励约束马尔可夫决策过程的全局收敛性 💡 原文中文，约500字，阅读约需2分钟。 📝 内容提要 本研究针对一般参数化的无限时域平均奖励约束马尔可夫决策过程（CMDPs），提出了一种原始-对偶自然演员评论算法，确保全局收敛并降低约束违反率，建立了新的理论基准。 🏷️ 标签 CMDPs 全局收敛 理论基准 算法 约束违反率 阅读原文 生成长图 分享链接 已复制链接
